Claude用户3周造出1056个测试

Claude Code用户平均每次对话要浪费40%的上下文额度在npm install的输出上。不是代码太长，是终端噪音太肥。

开发者Jee用Rust写了个工具RTK（Reduce Toolkit），能 stripping ANSI转义码（终端颜色代码）并去重，压缩效果30-50%。但瓶颈很快出现：RTK把输出当纯文本处理，看不懂Python堆栈里哪些是框架帧、哪些是你的代码，也分不清40个TypeScript错误其实是同一个bug换了40个文件。

3周后，ContextZip诞生。1056个测试，3周构建，MIT协议开源。

Week 1：让工具学会"读"报错

Jee的第一刀砍向语言感知。RTK不懂栈帧结构，ContextZip教它认：Node.js、Python、Rust、Go、Java、C#的堆栈格式各长什么样，框架帧（比如React内部、Django核心）该藏，应用帧（你的业务代码）该留。

412个测试，覆盖主流语言的栈帧识别逻辑。

效果打个比方：以前AI看到的是"某框架第8472行抛错→某框架第9031行调用→你的代码第5行"，现在直接跳到第5行。上下文窗口里的有效信息密度翻倍。

Week 2：语义去重，不是字符串去重

RTK的去重是精确匹配：两行字完全一样才算重复。现实是TypeScript可能报40遍"Type 'string' is not assignable to type 'number'"，文件名行号各不相同。

Jee换成模式匹配：识别"同一错误，不同位置"。247个测试验证语义等价性，不是字符串等价性。

这个改动直接击中AI编程的核心痛点。当你让Claude修bug，它不需要读40遍同样的错误描述，它只需要知道"这个错误出现了40次，涉及这些文件"。

Week 3：给102个CLI命令做"体检"

终端噪音有千百种面孔。进度条、Docker层哈希、wheel构建日志、下载指示器——每种都需要单独识别。

Jee benchmark了102个常用CLI命令，为每种噪音模式写过滤规则。397个测试，逐个验证。

三周日程：412 + 247 + 397 = 1056个测试。一个目标：让AI上下文窗口装信号，不装噪音。

开源协议与路线

ContextZip沿用RTK的MIT协议。可以fork、修改、商用，唯一要求是保留许可证声明。

路线图包括：Ruby/Elixir/PHP语言支持、更智能的网页内容提取、非终端AI代理的IDE插件、社区贡献的噪音模式库。

核心使命没变：你的AI应该读你的代码，而不是你的npm警告。

安装一行命令：

cargo install contextzip
eval "$(contextzip init)"

或者npx contextzip。

GitHub: github.com/contextzip/contextzip

当AI上下文窗口按token计费成为常态，压缩噪音就是在省钱。但ContextZip的野心不止于此——如果AI代理成为主流开发方式，终端输出的"预处理"会不会成为新的基础设施层？你的构建日志，准备好被机器阅读了吗？